[论文解读] What Generative Artificial Intelligence Means for Terminological Definitions

Antonio San Martín|arXiv (Cornell University)|Feb 25, 2024

linguistics and terminology studiesArts and Humanities被引用 3

一句话总结

本文研究生成式人工智能（GenAI），特别是ChatGPT，如何通过实现上下文敏感、交互式且可定制的定义，变革术语定义的创建与使用方式，使其在可用性上超越传统静态定义。本文提出AI辅助术语学——结合AI效率与人类专业知识——以加速定义生成，提升灵活性并改善质量，同时承认其在准确性和可靠性方面存在局限，从而凸显人类精心编纂的术语资源的持久价值。

ABSTRACT

This paper examines the impact of Generative Artificial Intelligence (GenAI) tools like ChatGPT on the creation and consumption of terminological definitions. From the terminologist's point of view, the strategic use of GenAI tools can streamline the process of crafting definitions, reducing both time and effort, while potentially enhancing quality. GenAI tools enable AI-assisted terminography, notably post-editing terminography, where the machine produces a definition that the terminologist then corrects or refines. However, the potential of GenAI tools to fulfill all the terminological needs of a user, including term definitions, challenges the very existence of terminological definitions and resources as we know them. Unlike terminological definitions, GenAI tools can describe the knowledge activated by a term in a specific context. However, a main drawback of these tools is that their output can contain errors. For this reason, users requiring reliability will likely still resort to terminological resources for definitions. Nevertheless, with the inevitable integration of AI into terminology work, the distinction between human-created and AI-created content will become increasingly blurred.

研究动机与目标

• 考察生成式AI对术语定义创建与使用的影响，尤其与传统术语资源进行对比。
• 探索ChatGPT等GenAI工具如何帮助术语学家更高效地生成上下文敏感、灵活的定义。
• 评估AI辅助术语学作为新范式的可能性，整合AI效率与人类专业知识于术语工作之中。
• 识别GenAI在准确性和可靠性方面的局限，理解为何传统术语资源在高风险应用中依然不可或缺。
• 提出未来愿景：AI辅助术语学成为标准实践，重新定义大型语言模型时代术语学家的角色。

提出的方法

• 基于认知语言学框架，本文将术语概念化为语义潜能的接入点，其中预先意义（premeanings）是该潜能的语境受限子集。
• 本研究通过向ChatGPT提供特定文本、图像或描述的情境，评估其生成上下文相关定义的能力，以激发与意义相关联的响应。
• 提出使用语料工具（如Sketch Engine）提取关键词索引行和词性图谱（包括语义图谱）作为GenAI提示的结构化输入。
• 该方法涉及使用语料派生证据对AI生成的定义进行后期编辑，以确保内容的可追溯性与可辩护性。
• 建议术语学家利用ChatGPT进行迭代优化——通过AI反馈评估、增强并验证定义。
• 提出一种新颖的评估方法：利用ChatGPT从定义中反向识别术语的能力来测试定义的充分性，失败则表明需要修订。

实验结果

研究问题

• RQ1 多大程度上，ChatGPT等GenAI工具能够生成上下文特定、用户定制的术语定义，使其在可用性上超越传统静态定义？
• RQ2 如何实施AI辅助术语学，以结合GenAI的效率与人类专业知识在术语工作中的可靠性？
• RQ3 GenAI在准确性和一致性方面存在哪些局限，这些局限如何影响AI生成定义在专业领域中的长期可行性？
• RQ4 GenAI工具在哪些方面可增强定义撰写过程，包括内容验证、错误检测及风格优化？
• RQ5 AI与语料分析工具（如Sketch Engine）的整合，如何实现灵活、基于证据的术语定义生成？

主要发现

• ChatGPT能够生成反映特定使用情境中激活意义的上下文特定定义，超越传统定义中描述的预先意义。
• GenAI支持交互式、用户自适应的定义生成，允许后续提问、澄清与情境定制，这是静态资源无法提供的能力。
• 尽管具备优势，GenAI仍面临可靠性问题，包括事实性错误与幻觉现象，这限制了其在高风险或高精度要求应用中的使用。
• AI辅助术语学——利用GenAI对人工生成的定义进行后期编辑与优化——可显著提升生产力并改善定义质量，尤其适用于灵活、上下文敏感的定义。
• 将GenAI与语料工具（如Sketch Engine）整合，可利用关键词索引行与语义图谱实现结构化、基于证据的定义生成，增强可追溯性与论证依据。
• ChatGPT从定义中反向识别术语的能力，提供了一种新颖的自动化方法来评估定义的充分性，失败则表明需要修订。